Você está na página 1de 25

Diagrama de

Dispersão
Prof. Diego Rorato Fogaça
Prof. Alexandre Meira de Vasconcelos
O que é?
 Técnica gráfica utilizada para analisar as relações entre
duas variáveis
 Gráfico bidimensional que faz uso do sistema de
coordenadas cartesiano

Como ajuda?
 Permite uma avaliação visual do relacionamento entre duas
variáveis de natureza quantitativa
 Velocidade, tamanho do lote, horas de treinamento, pressão,
temperatura...
Como ajuda?
 Estuda a natureza (correlação positiva ou negativa) e o grau de
intensidade (forte, fraca ou não existente) da relação entre uma
variável explicativa (x) – variável independente – e uma variável
resposta (y) – variável dependente – cujo comportamento se
deseja prever e monitorar
 Velocidade de corte e rugosidade superficial em um processo de
usinagem
 Composição do material e dureza
 Intensidade de iluminação de um ambiente e erros de inspeção visual
Tipos de Correlação

Forte correlação Fraca correlação Forte correlação


positiva positiva negativa

Fraca correlação Correlação Correlação não-


negativa inexistente linear
Como ajuda?

Relação de Causa-Efeito

Contribui, portanto, para:


 Aumentar a eficiência dos métodos de controle do processo
 Facilitar a detecção de possíveis problemas
 Planejar as ações de melhoria a serem adotadas
Post Hoc Ergo Propter Hoc

“Depois disto, logo por causa disto”


“Ontem fui mordido por um cão e hoje estou com febre.
Só posso estar doente por causa dessa mordida.”
“O galo sempre canta antes do nascer do sol. Logo, o sol
nasce porque o galo canta.”
 Correlação coincidente
 Dois eventos que ocorram em sequência cronológica
NÃO estão necessariamente interligados
Cum Hoc Ergo Propter Hoc
“Com isto, logo por causa disto”
“Hospitais estão cheio de gente doente. Portanto, hospitais
fazem as pessoas adoecerem.”
“Tamanho do calçado está positivamente correlacionados com
a habilidade de escrita. Então, se eu aumentar o tamanho do
meu pé, melhorarei minha escrita.”
 O fato de dois eventos estarem acontecendo
simultaneamente, NÃO implica uma relação causal entre
eles
Como fazer?
 Coletar dados Variável Variável
Amostra
 Selecionar unidades de medição, métodos e “x” “y”
período 1 8,2 1046
2 7,6 1030
 Obter ao menos 30 pares de observações (x,y)
... ... ...
 Registrá-los em uma tabela n 𝑥𝑛 𝑦𝑛

 Traçar os eixos
 Encontrar os valores máximos e mínimos dos eixos y
x e y para determinar uma escala adequada, de
forma que os comprimentos das escalas sejam
aproximadamente iguais. Assim o diagrama fica
mais fácil de interpretar.
 Eixo x  variável preditora (causa)
 Eixo y  variável dependente (efeito) x
Como fazer?
 Registrar as observações no gráfico
 Pôr no gráfico os pontos correspondentes aos
pares de dados tabelados
 Colocar informações adicionais: título, período,
denominação e unidade de medida de cada eixo...

 Analisar o gráfico
 Intervalo de variação das variáveis
 Outliers
 Estratificação
 Correlação de Pearson
 Análise de Regressão
Intervalo de variação das variáveis
Extrapolação
 Para diferentes intervalos de variação, os
resultados encontrados podem não ser os mesmos
Outliers
“Ponto fora da curva”
 Observação extrema, não condizente com o
restante da massa de dados

 Registro incorreto de dados  Atuação de variável que não


 Defeito no instrumento de estava sendo considerada
medição  Novo conhecimento sobre o
 Devem ser corrigidos ou processo
eliminados  Melhoria do processo
Estratificação
Quando existirem um ou mais fatores de estratificação
envolvidos no estudo, importantes informações podem ser
obtidas se os diferentes níveis destes fatores forem identificados
 Descoberta da causa de problemas
Máquina A
Rugosidade
superficial (μm) Máquina B

Velocidade de
corte (m/min)
Estratificação
Quando existirem um ou mais fatores de estratificação
envolvidos no estudo, importantes informações podem ser
obtidas se os diferentes níveis destes fatores forem identificados
 Descoberta da causa de problemas
Máquina A
Rugosidade
superficial (μm) Máquina B

Velocidade de
corte (m/min)
Exemplo

100

90

80
Peso (kg)

70

60

50

40

30
1,25 1,5 1,75 2 2,25
Altura (m)
Exercício
Um fabricante de garrafas de plástico, que as fabrica pelo processo de
moldagem a sopro, deparou-se com problemas por muitas delas
apresentarem as paredes demasiado finas. Suspeitou-se então que a
variação da pressão de ar de dia para dia pudesse estar por trás desse
problema. A tabela seguinte relaciona os dados sobre a pressão do ar e
a percentagem de garrafas consideradas defeituosas. O que se pode
concluir?
Resposta
Coeficiente de Correlação de Pearson
 Mede a força da relação entre duas variáveis em termos
quantitativos
 Está no intervalo -1  r  1;
 Haverá uma forte correlação entre x e y, quando |r| está próximo
de 1 e quando está próximo de 0 é muito fraca ou inexistente
Análise do coeficiente de correlação de
Pearson
Análise de Regressão
 É a representação dos dados do gráfico de dispersão por uma
equação, quando há uma correlação forte ou moderada entre
elas;
 Normalmente, usa-se a relação linear entre as variáveis x e y,
porém outras relações podem ser observadas, conforme a
distribuição dos dados (logarítmica, exponencial, polinominal,
entre outras)
 A equação a seguir normalmente é chamada de reta de
regressão, onde y é a variável dependente e x a independente.
𝜶 é uma constante e 𝜷 é chamado de coeficiente de regressão
Cálculo do coeficiente de Correlação de
Pearson e a Análise de Regressão Linear pelo
Excel
 Clique com o lado direito do mouse sobre
qualquer ponto do Diagrama de Dispersão e
escolha a opção “Adicionar linha de tendência”
 Uma nova janela se abrirá e você deverá
escolher as opções
 Linha de tendência “Linear”;
 “Exibir Equação no Gráfico” e
 “Exibir valor de R-quadrado no gráfico”
 O Coeficiente de Correlação de Pearson pode
ser obtido também pela função CORREL, sem
precisar construir o gráfico de dispersão
 Qual o valor de 𝜶 e de 𝜷 na equação
linear;
 Qual o valor do coeficiente de
correlação de Pearson? Não esqueça
que o Excel dá o valor de r2;
 A correlação é de que tipo?
 Perfeita, forte, moderada, fraca,
ínfima, nula?
 Positiva, negativa?
 Qual a estimativa do percentual de
garrafas com defeito que pode ser
esperada se a máquina for regulada
para uma pressão de 9,5 kgf/cm2?

Você também pode gostar